Mesterséges intelligencia gyorsítja fel a lézerfizikai szimulációkat a Stanford, az UCLA és az SLAC kutatóinak köszönhetően
A Stanford Egyetem, a Kaliforniai Egyetem (UCLA) és az SLAC Nemzeti Gyorsító Laboratórium kutatói egy olyan mélytanulási modellt hoztak létre, amely ezredmásodpercekre gyorsítja le a nagy teljesítményű lézerrendszerek szimulációját. Az Advanced Photonics folyóiratban publikált eljárás a másodrendű nemlineáris optikai kölcsönhatásokat, az úgynevezett khi-négyzet folyamatokat modellezi. Ezek a mechanizmusok teszik lehetővé a lézerimpulzusok frekvenciájának és alakjának módosítását, ami kulcsfontosságú a modern tudományos intézmények intenzív röntgensugár-előállításában.
A hagyományosan alkalmazott split-step Fourier-módszer a nemlineáris Schrödinger-egyenlet megoldásával rendkívül lassú, a teljes szimulációs idő mintegy 95 százalékát köti le. A szakemberek ezt egy LSTM-típusú visszacsatolt neurális hálózattal váltották ki, amely a korábbi folyamatos idő- és frekvenciaváltások helyett a frekvenciajellemzők tömörített reprezentációjával számol.
A grafikus processzorokon végzett szimulációk átlagos ideje így alig néhány ezredmásodpercre csökkent anélkül, hogy a számítási pontosság érdemben sérülne. Az áttörés kiemelten hasznos az SLAC korszerűsített LCLS-II létesítményében, ahol az infravörösből ultraibolyává alakított lézerfény minősége közvetlenül meghatározza a kutatásokhoz használt nagy energiájú röntgensugarak tulajdonságait.